-
题名混合策略改进的减法平均优化算法
- 1
-
-
作者
刘松林
高鹰
林锐灿
谭伟俊
-
机构
广州大学计算机科学与网络工程学院
-
出处
《智能计算机与应用》
2024年第8期70-77,共8页
-
基金
北航北斗技术成果转化及产业化资金资助项目(BARI202104)。
-
文摘
减法平均的优化算法(Subtraction-Average-Based Optimizer,SABO)是一种新的元启发式算法,具有参数少、易实现、结构简单等优点,为了进一步提高SABO算法性能,提出了一种混合策略改进的减法平均的优化算法(HSABO)。首先,在种群初始化时,通过引入Tent混沌映射,使初始化种群成员能够均匀分布;其次,在计算种群新个体位置时,加入了自适应惯性权重,提高了算法的局部搜索能力;最后,引入透镜成像反向学习策略,对新个体位置以一定的概率进行扰动变异,避免陷入局部最优,增强算法全局探索的能力。通过14个标准测试函数,对改进算法与其他优化算法进行测试比较。仿真结果表明,HSABO算法是可行有效的,相比于其他基本算法,其寻优精度和收敛速度都有了很大的提高。
-
关键词
减法平均的优化算法
Tent混沌映射
自适应惯性权重
透镜成像反向学习
-
Keywords
Subtraction-Average-Based Optimizer
Tent chaotic mapping
adaptive inertia weight
lens imaging reverse learning
-
分类号
TP182
[自动化与计算机技术—控制理论与控制工程]
-